×
朱国焘；吴圭扬

高维生存分析的全局最优模型选择。 （英语） Zbl 07497679号

J.Stat.计算。模拟 91，编号18，3850-3863（2021）.
摘要：随着高维数据的普及，模型选择在近期生存分析中至关重要。在模型选择的背景下，一个重要的研究问题是如何定义最佳模型。为了回答这个问题，提出了各种模型选择标准来定义最佳模型。现有的方法通常使用L_0范数惩罚来度量基于参数个数的模型复杂度。然而，由于L_0惩罚的非凸性，通过全局优化找到最佳模型一直是统计学和机器学习领域的一个富有挑战性的研究课题。本文提出了一种使用模拟退火改进的全局优化算法，它是统计力学中全局最优的概率搜索算法。通过仿真研究和实际数据分析，验证了该方法的性能。

MSC公司：

62至XX 统计

关键词：

玻尔兹曼分布；Cox比例风险模型；广义信息准则；高维变量选择
PDF格式BibTeX公司 XML格式引用
\textit{G.Chu}和\textit{G.Goh}，J.统计计算。模拟91，No.18，3850--3863（2021；Zbl 07497679）
全文： 内政部

参考文献：

[1] Schwarz，G.，估算模型的维数，Ann Stat，6，2，461-464（1978）·兹伯利0379.62005
[2] Akaike，H.，统计模型识别的新视角，IEEE Trans Automat Contr，19，6，716-723（1974）·Zbl 0314.62039号
[3] 陈，J。；Chen，Z.，大模型空间模型选择的扩展贝叶斯信息准则，Biometrika，95，3，759-771（2008）·Zbl 1437.62415号
[4] Tibshirani，R.，通过套索进行回归收缩和选择，J R Stat Soc:Ser B（Methodol），58，1，267-288（1996）·Zbl 0850.62538号
[5] Zou，H.，《自适应套索及其预言属性》，美国统计学会期刊，101，476，1418-1429（2006）·Zbl 1171.62326号
[6] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，J R Stat Soc:Ser B（Stat Methodol），67，2，301-320（2005）·Zbl 1069.62054号
[7] Tibshirani，R.，《考克斯模型中变量选择的拉索方法》，《统计医学》，16，4，385-395（1997）
[8] 张，HH；Lu，W.，考克斯比例风险模型的自适应套索，生物统计学，94，3，691-703（2007）·Zbl 1135.62083号
[9] JJ戈曼。，考克斯比例风险模型中的L1惩罚估计，生物医学J，52，1，70-84（2010）·Zbl 1207.62185号
[10] 柯克帕特里克，S。；盖拉特，CD；Vecchi，MP，《模拟退火优化》，《科学》，220，4598，671-680（1983）·Zbl 1225.90162号
[11] 北卡罗来纳州大都会。；罗森布鲁斯，AW；罗森布鲁斯，明尼苏达州，用快速计算机器计算状态方程，化学物理杂志，21，6，1087-1092（1953）·Zbl 1431.65006号
[12] Atkinson，AC，关于选择模型的广义信息标准的注释，Biometrika，67，2，413-418（1980）·Zbl 0455.62006号
[13] Zhang，Y。；李，R。；Tsai，CL.，通过广义信息准则选择正则化参数，美国统计协会杂志，105，489，312-323（2010）·Zbl 1397.62262号
[14] Kim，Y。；Kwon，S。；Choi，H.，高维一致模型选择标准，J Machine Learning Res，13，1037-1057（2012）·Zbl 1283.62143号
[15] 卡塞拉，G。；伊利诺伊州乔治。，解释吉布斯采样器，美国国家统计局，46，3167-174（1992）
[16] Cox，DR.，回归模型和寿命表，J R Stat Soc:Ser B（Methodol），34，2187-202（1972）
[17] CT沃林斯基；Raftery，AE.，删失生存模型的贝叶斯信息准则，生物统计学，56，1，256-262（2000）·Zbl 1060.62557号
[18] 詹姆斯·G。；维滕，D。；Hastie，T.，《统计学习导论》，112（2013），纽约：Springer，纽约·Zbl 1281.62147号
[19] JW.吉布斯。，《统计力学基本原理：特别参照热力学的理性基础发展而来》（1902年），纽约：C.斯克里布纳之子，纽约·JFM 33.0708.01号文件
[20] 陈，J。；Chen，Z.，小n大p稀疏glm的扩展bic，Stat Sin，22（2）：555-574（2012）·Zbl 1238.62080号
[21] 罗，S。；徐，J。；Chen，Z.，高维特征空间cox模型中的扩展贝叶斯信息准则，Ann Inst Stat Math，67，2，287-311（2015）·兹比尔1341.62093
[22] Foygel，R，Drton，M.高斯图形模型的扩展贝叶斯信息准则。神经信息处理系统的进展。2010年，第604-612页。
[23] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言属性》，美国统计协会，96，456，1348-1360（2001）·Zbl 1073.62547号
[24] Zhang，CH.，最小最大凹惩罚下的几乎无偏变量选择，Ann Stat，38，2，894-942（2010）·Zbl 1183.62120号
[25] 罗森瓦尔德，A。；赖特，G。；Chan，WC，《利用分子分析预测弥漫性大b细胞淋巴瘤化疗后的生存率》，《N Eng J Med》，346，251937-1947（2002）
[26] 阿利扎德，AA；艾森，MB；Davis，RE，通过基因表达谱确定的弥漫性大b细胞淋巴瘤的不同类型，《自然》，4036769503-511（2000）
[27] 淋巴瘤研究基金会。弥漫性大B细胞淋巴瘤。2020年。有效期至：https://lymphoma.org/aboutlymphoma/nhl/dlbcl/。
[28] Kim，Y。；JJ Jeon。，二次支持风险的一致模型选择标准，Ann Stat，44，6，2467-2496（2016）·Zbl 1365.60030号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。